申请/专利权人：大连理工大学

申请日：2024-04-10

公开（公告）日：2024-07-05

公开（公告）号：CN118296757A

主分类号：G06F30/17

分类号：G06F30/17;G06N3/0442;G06N3/0464

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.07.23#实质审查的生效;2024.07.05#公开

摘要：一种面向航空发动机参数的基于跨邻域聚类和时序依赖的缺失值填补方法。对于航空发动机运行过程中采样获得的不完整多元时间序列，先初始化缺失值。再将样本的时序编号转换为时序嵌入向量。添加时序信息的数据被输入模糊C均值算法进行聚类，以在全局范围内识别时间间隔较长但性质相似的样本群体。对于每一个通过聚类得到的数据子集，使用去跟踪自编码器挖掘其中样本的属性关联，并记录每个样本的属性关联隐藏信息。随后用一个长短期记忆神经网络挖掘时序依赖信息。通过将属性关联和时序依赖结合，得到每个样本的混合隐藏信息。将混合信息输入一个线性层，可以得到模型输出。最后，将模型输出减去之前添加的时序嵌入信息后，可得到最终的填补结果。

主权项：1.一种面向航空发动机参数的基于跨邻域聚类和时序依赖的缺失值填补方法，其特征在于，包括以下步骤：1初始化缺失值采用滑动平均法初始化航空发动机参数时间序列中的缺失值；首先，设计一个包含多个连续时间时序、全部变量的滑动窗口；其次，将滑动窗口从开始时刻每次向右移动一个时间步长，当窗口内有缺失值时，计算窗口内各参数所有存在值的平均值，用于初始化缺失值；初始化完成后，不完整数据被转化为完整数据其中，T代表数据的时间步数，s代表数据集的属性维度数；2将时序信息融入数据集对于时间序列中的每个样本，也即每一时刻的所有参数值组成的向量，将每个样本对应的时刻信息通过一个映射函数转化为一个维度数为s的时序嵌入向量；时间序列样本在时刻t对应的时序嵌入向量的每个维度值的计算公式为： 以及 其中，t是时间序列样本的时刻序号，i是时序嵌入向量的属性维度索引；在计算出时序嵌入向量后，将该时序嵌入向量加到经步骤1转化得到的完整数据X中，得到融合了时序信息的数据集；3基于FCM算法对数据聚类使用FCM算法对融合了时序信息的数据集聚类；首先将每个样本到每个聚类中心的隶属度初始化为随机值，表示每个样本对于每个簇的符合程度；再根据隶属度矩阵计算每个簇的聚类中心；随后不断交替更新隶属度矩阵和聚类中心直到聚类中心的变化量低于预设的阈值；通过FCM算法得到K个子类，在每个子类中，样本的性质较为相似；通过FCM方法跨时序邻域寻找整个数据集中性质相似的时间序列样本；4基于去跟踪自编码器挖掘子集内的属性关联对于每一个子类构建一个去跟踪自编码器，用于挖掘其内部蕴含的属性关联信息；每个去跟踪自编码器包含输入层、隐藏层和输出层，其中隐藏层包含一层至多层，输出层得到的结果用于重构输入；由于每一个子类中包含的样本性质相似，因此属性间的关联也较为相似；利用去跟踪自编码器挖掘不同参数之间的非线性关联性；令每个去跟踪自编码器的输入为xt，代表t时刻去跟踪自编码器的输入，xt1,xt2,…,xts代表其不同的参数属性；在计算去跟踪自编码器隐藏层的输出时，在输入中删除xtj，其中j依次取1，2，…，s；删除后得到输入： 随后将输入到两层线性层，计算删除第j维属性后的属性关联隐藏信息 式中f1和f2为线性层；设定第二层线形层输出对应的神经元个数为s，隐藏信息表示为： 式中，代表的第k个维度的值；删除xtj的目的是强制去跟踪自编码器通过其他属性间的关联重构xtj，因此在中仅保留该数值用于估计输入的第j个维度；又由于j依次取1，2，…，s，依次得到将这些信息拼接后并经过一个线性层和激活函数后得到属性关联隐藏信息hattr,t；5基于LSTM挖掘时序依赖对于每一个子类构建一个LSTM子模型，用于挖掘数据内子类上蕴含的时序信息；令ht-1表示上一时刻循环单元的隐藏信息输出，ht表示当前时刻的隐藏信息输出；将两者拼接，并经过一个线性层映射为维度数为s的向量，用以表征时序依赖对应的隐藏信息htemp；6加权属性关联隐藏信息和时序依赖隐藏信息对于每一个样本，将获得的属性关联隐藏信息和时序依赖隐藏信息拼接后经过一个线性层和激活函数映射得到混合隐藏信息： 式中，是激活函数，whm是可训练权重，bhm是可训练偏置，|是拼接操作；7计算模型输出和填补缺失值将混合隐藏信息经过一个线性层，计算融合了时序信息的输入数据对应的中间过程模型输出；将中间过程模型输出减去时序嵌入信息，即可得到最终的模型输出；模型的损失函数使用最终模型输出和存在值的二范数计算，在训练中使用Adam算法最小化损失函数。

全文数据：

权利要求：

百度查询： 大连理工大学 一种面向航空发动机参数的基于跨邻域聚类和时序依赖的缺失值填补方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD